中国商业银行金融风险预警指标体系研究　.docVIP

中国商业银行金融风险预警指标体系研宄 关键词】预警，指标体系，研究，风险，金融，商业，银 行，中国， 2017年以美国次贷危机为标志的金融海啸席卷全球， 作为金融机构的主体部分，商业银行在此次危机中同样遭 受重创。在历经冲击之后，商业银行的风险管理和识别能 力开始让人质疑。中国经济尚处于高速发展和转型初期， 商业银行金融风险在宽松的宏观经济环境下并不显著，但 由于中国不断与国际经济接轨，开放条件下全球性的金融 危机仍然会给国内商业银行带来巨大的经营压力。 实践表明，中国商业银行的风险管理多侧重于事后弥 补和经验总结，但是相对来说更为重要和紧迫的事先管理 却未能得到足够的认识和实施。要实现对于商业银行金融 风险的监测，建立风险预警机制，根据现有的指标数据对 短期内商业银行金融风险爆发的可能性进行全面有效的评 估是事先管理的一种切实可行方法。本文在国内外相关学 者的研宄基础上，结合国内商业银行风险现状，建立了一 个全面的商业银行金融风险预警体系，并从近期数据给出 了对商业银行金融风险的评价及实证检验。 二、相关领域文献回顾 国际上对于银行业金融风险预警的研究早在20世纪就 已经取得了令人瞩目的成绩，但种种成果也存在诸多问题， 并且多数方法与中国的实际有着很大的差距。 197 9年由联邦金融机构监管委员会建立的CAMEL评级 制度经过1997年的修改后，成为美国主要监管机构统一使 用的CAMELS(骆驼)制度［1］。伴随银行业务的拓展，部分国 家监管当局引入美国CAMEL评级制度，同时结合本国监管 情况建立了相对独立的主观判断评价体系。 CA RT(Classific ationandRegr essionTree)结构分析 法，根据选定的某几项财务指标作为分类的标准，运用二 分法，通过建立二元分类数来分析被考查对象状态［2］。 Logit模型主要采用了 logist ic函数［3］，该模型的问题 在于当样本点存在完全分离时，模型参数的极大似然估计 可能不存在，模型的有效性存在问题，另外该方法对临界 区域的判别敏感性过度，容易导致相近样本评估结果之间 差别过大。 Altman等人(199 4)利用神经网络对意大利公司进行失 败预测［4］。神经网络方法是一种自适应的非参数方法，并 不严格要求样本数据的分布，不仅具有非线性映射和泛化 能力［5］，而且神经网络模型的分布自由，较之多元判别分 析模型，对实际问题更加适用。 信用度量技术(C reditMetrics , 1997)运用VaR框架 ［6］，对贷款和非交易资产进行风险的评价和计量［7］。但 是Credit Metrics模型的违约模型和相关系数的度量是以 期权定价理论为基础的，这对资本市场的成熟度以及数据 的真实性都有极高的限制要求，因而可操作性有所降低。 麦肯锡模型(Cr editPortfoli oView, 1998) ［8］是在 CreditMe tries的基础上，对经济的周期性因素予以考 虑，通过蒙特卡罗模拟技术(A structuredMo nteCarloSimu lationApproa ch)模拟周期性因素的冲击，以测定评级转移 概率的改变趋势并进行度量［9］，但是由此给模型增加了相 当的复杂程度。 相比之下，国内关于商业银行金融风险预警的研究起 步较晚，同时囿于研究所需的数据资料稀缺等原因，致使 当下国内该领域的研究仍然十分欠缺。具有代表性的理论 研究大致如下： 隋剑雄(2 017)针对国内商业银行经营管理模式，提出 了适应本国银行发展需求且以核心指标和辅助指标构成的 信贷风险预警指标体系，采用向量法(TE)作为构建风险预 警模型的算法，通过构建商业银行信贷风险预警系统对信 贷风险进行监测和分析，该模型侧重于对商业银行信贷风 险的说明及预警的相关指标和报警范围［10］。 李华明、向颖珍(2 017)运用时间序列分析方法，以 ARMA模型来构建信用风险预警模型，使得信用风险预警模 型将影响信用风险的多种因素通过所考察的指标自身的变 化来反映［11］。不足之处在于：首先，该模型单纯用历史 数据进行模拟，虽预测了其可能的走势，但对其存在这种 走势的具体原因并没有明确表明；其次该模型只是利用不良 贷款率单一指标来建立模型，没有考虑其他指标折射的整 体状况;最后，模型的模拟效果也会随着指标的变化而变化 预测结果十分不稳定。 从监管层面来看：2017年开始，银监会依据新制定的 《商业银行风险预警操作指引（试行）》按季对商业银行法 人机构进行风险预警的试运行，以提高银行风险监管的敏 感性和有效性。 综合以上的理论研宄可以看出，现有的成果主要存在 下列不足之处：一是大多学者关于预警体系的研宄都过度 集中于商业银行的信贷业务，从而无法做到整体考量商业 银行的风险;二是过分